關於金融的建模

08-06

關於金融的建模

好我本以為那個女生會用另外一個馬甲問我的。算了我講一下吧

本人碩士學了金融的全棧框架，商務智能師從蔡冠球

Byron Choi Homepage

U penn博士，後來到我本科學校做過博士後，他大概一年能100萬多Hkd,他老婆年過半百的湯曉鷗那個學校的醫生，大概300萬hkd.但他老婆很崇拜他，因為智商高吧。

當年我們的主要的工作：微軟mdx去做各種運營分析等

但我想說的並非這些。

從人工智慧的觀察法我們去觀察建模，第一條，假設湯川秀樹的non local field對金融建模Hold

第二條，由第一條推算第二條，各種金融的參數，隱藏某種關係

第三條，cvpr中MIT的張某曾經發表一篇論文，講了兩者的關係（1.CNN的relu 2.金融等建模的參數中的polynomial關係）

從densenet到senet我們的general trend就可以描述作yukawa nonlocalization

cnn各個模塊全相連，相互影響。有的參數很小，但仍然沒辦法忽略，一旦忽略這個cnn的tensorflow ckpt就準確率很低。

簡單說你做金融建模的情況下，沒辦法全盤考慮就做個閾值，斷掉那些影響小的參數的關係。但你的建模為什麼沒那麼準確，因為那些小的參數最後全能影響。

猶太人soros有個著名理論，一個股票漲停的過程中遇到很多阻撓，這每個阻撓全會算到跌的參數影響中去。但沒受到最後那個跌的因素的侵攻的情況下，這個股票會一直漲，僅僅增速變慢。同理，各種startup發展也會遇到這種情況。一單銷售沒談好，沒問題，兩單，沒問題，很多單，就出現了要請人離職的情況。

假設你的建模沒辦法擬合到股票價格等參數，要麼引入曾被忽略但重要的參數，要麼建立參數中的聯繫。我研究neocognitron的本科期間就提出了間隔很大的區域需要全連接的演算法建立一個參數關聯，當然我沒把這些理論發表。你的建模，各種Scala Pandas的量間關係，假設沒考慮到，皆可導致建模誤差。